最近在针对考勤做人脸检测,使用的是最常见的方法,mobileSSD检测人脸,目标图片1080P,出现的问题就是小目标漏检问题。
调整过priorbox的参数,收效甚微。原本SSD就有小目标检测不出来的先天性问题,然后看了一篇文章,自己感觉这篇文章是小目标漏检的福音。
文章名字:Group Sampling for Scale Invariant Face Detection
(解析链接:https://blog.csdn.net/qq_22764813/article/details/102497411)
但由于时间仓促无法复现,希望有相似问题的朋友能够看了这篇文章后获得一些灵感。
github上看着有意思的人脸检测:
https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
https://github.com/OAID/Tengine/tree/master/examples/YuFaceDetectNet
后续工作:
由于现场算法推理反馈时间还是不够快,就拿https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB工程进行了模型训练,训练出来的结果出乎以外的好。好在哪里?有两点:
1)模型参数大小只有1M,转换成caffe模型后,在i5的cpu上运行,时间只花费了63ms;
2)小目标人脸的检出率明显得到改善,在自己整理的测试集上,720p图片,在精度没有下降的情况下,召回率由之前的65%上升到96%.
同事推荐使用free anchor进行进一步提速,目前还在训练中;